| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和目的 | 第7-8页 |
| ·流形学习 | 第8页 |
| ·人脸识别 | 第8-10页 |
| ·本文的研究内容及安排 | 第10-11页 |
| 第二章 线性子空间算法 | 第11-23页 |
| ·主成分分析PCA(Principal Component Analysis) | 第11-13页 |
| ·线性鉴别分析LDA(Linear Discriminant Analysis) | 第13-16页 |
| ·独立成分分析ICA(Independent Component Analysis) | 第16-18页 |
| ·实验与分析 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 流形学习算法研究 | 第23-40页 |
| ·流形学习概述 | 第23-25页 |
| ·流形学习算法 | 第25-31页 |
| ·等距映射Isomap(Isometric Feature Mapping) | 第25-28页 |
| ·局部线性嵌入LLE(Locally Lniear Embeddnig) | 第28-30页 |
| ·拉普拉斯特征映射LE(laplacian eignmap) | 第30-31页 |
| ·流形学习算法比较与分析 | 第31-35页 |
| ·人脸图像数据的规律挖掘及可视化 | 第35-39页 |
| ·Isomap 算法的低维嵌入 | 第35-37页 |
| ·LLE 算法的维数约简 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 流形学习在人脸识别中的应用 | 第40-67页 |
| ·人脸流形的嵌入识别 | 第40-43页 |
| ·局部保持映射LPP（Locality Preserving Projection） | 第43-51页 |
| ·LPP 算法思想及步骤 | 第43-44页 |
| ·LPP 与PCA、LDA 的关系 | 第44-47页 |
| ·实验与分析 | 第47-51页 |
| ·Laplacianfaces 改进算法 | 第51-55页 |
| ·算法思想及步骤 | 第51-52页 |
| ·实验及分析 | 第52-55页 |
| ·无监督鉴别投影映射UDP（Unsupervised Discriminant Projection） | 第55-61页 |
| ·UDP 算法思想及步骤 | 第55-57页 |
| ·UDP 与LPP、LDA 的关系 | 第57-58页 |
| ·实验与分析 | 第58-61页 |
| ·局部边距投影映射LMP（Local marginal Projection） | 第61-65页 |
| ·LMP 算法思想及步骤 | 第61-63页 |
| ·实验与分析 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 流形学习的统一框架 | 第67-78页 |
| ·流形学习方法在核技术下的统一 | 第67-70页 |
| ·Nystr?m 算法 | 第70-72页 |
| ·流形学习的投影观点 | 第72-76页 |
| ·算法思想及步骤 | 第72-73页 |
| ·实验及分析 | 第73-76页 |
| ·本章小结 | 第76-78页 |
| 第六章 全文总结 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 硕士期间发表的文章 | 第84-85页 |
| 详细摘要 | 第85-88页 |
